基于激光雷达的多旋翼飞行器实时避障系统

针对多旋翼飞行器的障碍物规避问题,提出一种基于激光雷达的自主飞行多旋翼飞行器避障系统,实现多旋翼飞行器自主飞行的实时避障;该避障系统针对静态、低速运动障碍物,综合飞行器本体姿态、速度、加速度等状态信息,建立基于改进势场法的避障模型和算法;在机器人操作系统(ROS,Robot Operating System)平台进行该避障系统的软件实现,其通过串口与飞控进行通信,完成多旋翼飞行器的自主避障飞行;同时,为了使该系统能在强光环境正常工作,在不影响系统实时性的前提下,对激光雷达的干扰问题进行优化设计;大量实验表明:该避障算法计算量小,能够保证避障系统的实时性,在机体慢速以及低速运动(机体与障碍物之间的相对运动速度小于等于3 m/s)的场景中能够正确检测范围6 m内,并迅速规避障碍物。     

嵌入式单目机器人视觉检测及避障系统设计

为实现机器人在移动中快速检测和避开障碍物功能,提出一种在室内以单目视觉为基础的嵌入式机器人检测障碍和避障的设计方案;通过对HSI颜色空间的H空间进行分块,获取分块区的颜色矩特征进行比较,能快速检测障碍物;通过几何法建立机器人坐标和图像坐标的关系,计算障碍物实际距离,准确定位障碍物;通过输入障碍物距离和偏离前进方向的角度到模糊控制器,获得输出转动角度,并对输出的角度进行调节;实验结果表明该系统具有实时性和可行性,实现了利用图像分块的信息快速检测定位障碍物,并通过模糊控制器完成了避障要求。     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

一种复杂环境下移动机器人避障新方法

基于传统人工势场法的机器人避障算法虽然计算量小、实时性好,但在陷阱区域或在障碍物前可能产生震荡,导致机器人不能到达目标点,为解决上述缺陷,提出一种带记忆功能的沿边法。通过记录和分析障碍物边缘人工势场法的局部最小点来判断目标点是否被障碍物包围,从而避免机器人来回震荡和围着目标点旋转的发生。该方法步骤分为沿边行为激活和退出条件、局部最小点记录条件以及目标点被障碍物包围的判断准则。通过实验,结果表明该方法解决了复杂环境下机器人的避障问题。该方法用于复杂环境下的机器人避障是可行的、有效的。     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动,视角旋转强烈,需要实时处理等特点,提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域,删除大量的背景区域,检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强,对图像的旋转畸变具有抵消作用,对异常情况可以恰当处理,且全局初步匹配流程具有可移植性,可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪,配套检测算法具有较好的实时性,满足无人机图像目标检测跟踪实时处理的需要。     

一种冗余机械臂的多运动障碍物避障算法

冗余机械臂的避障问题一直是工业机器人应用领域的研究热点之一;为了改进传统避障算法的不足,提出了一种多运动障碍物的避障算法;该算法利用各障碍物的运动状态得到与机械臂之间的最小预测距离,并将其利用雅可比转置矩阵转化为机械臂对应杆件上的躲避速度,再将躲避速度引入梯度投影法中求得机械臂的关节角速度,并通过积分得到避障运动中机械臂的关节角度值,在完成末端轨迹跟踪的同时实现冗余机械臂的实时避障;利用一款七自由度冗余机械臂对该算法进行了仿真验证,结果表明该算法能有效实现冗余机械臂对多运动障碍物的避障。     

基于自抗扰技术的无人机自主避障研究

摘要：随着无人机民用化的持续加速, 其应用场景越来越复杂, 自主避障技术成为拓宽应用领域的技术瓶颈. 自主避障技术的突破, 无疑成为无人机更大规模应用必要条件. 自抗扰控制器技术, 是发扬PID控制技术的精髓并吸取现代控制理论思想归纳探索而来. 自抗扰控制器具有的不依赖被控对象精确模型、算法简单、参数易于调节的特点, 使其适合作为无人机自主避障的控制算法来应用. 针对无人机避障中位置给定阶跃信号幅值较大且幅值不定的情况, 传统PID控制器快速性不能很好满足要求且需要重复调节参数, 而自抗扰控制器则具有更好的鲁棒性. 为了更好的实现无人机自主避障, 设计了基于自抗扰控制器的外环位置控制器, 对基于自抗扰的无人机自主避障系统进行仿真和实验研究, 并与传统双环PID控制器进行对比分析, 结果证明外环控制器采用自抗扰控制器的无人机自主避障系统的可行性.     

低慢小飞行物实时检测原理与实验研究

飞鸟撞击飞机与无人机黑飞是威胁航班起降安全的两大隐患,上述的飞鸟和无人机都属于“低慢小”飞行物。为保卫机场净空区的安全,需要研制具有反低慢小功能的预警系统。对此,设计并实现了一套低慢小飞行物实时检测系统,基于FPGA(field programmable gate array)驱动相机阵列实时采集大视场天空视频,将适于硬件操作的奇偶分流算法与帧间差分算法相结合进行运动目标检测,系统帧率达到17帧/s@1 024×768 pixel,平均检测准确率为99.69%。采用千兆以太网、光纤和交换机将前端跑道视频传输至后端塔台指挥中心,支持3 km远距离传输。相比于传统基于软件串行处理的方式,该系统具有高实时性、低功耗与小体积的优势,适合部署在实际应用场景中。     

基于T-S模糊神经网络的智能轮椅避障控制策略

在复杂的环境中,智能轮椅的自主避障是安全的保证。本文提出基于超声波和激光传感器的环境深度分区算法,和T-S模糊神经网路的信息融合方法,实现避障策略。提高了智能轮椅控制系统的实时性和安全性,实现避障控制的高效性。     

基于单目视觉测距的车辆自动刹车辅助系统设计

针对红外测距与超声波测距探测距离与真实距离差异大,刹车控制智能性不强的问题,设计并实现了基于单目视觉测距的车辆自动刹车辅助系统,系统硬件主要由图像采集模块、图像处理模块、以及电子制动模块组成;通过基于单目视觉测距算法实现软件编程,并在Matlab平台上完成测试,实验中车辆以35 km/h驶向障碍物,使在20～70 m的实际距离进行仿真测距,单目摄像头俯仰角测定在88°～90°之间,对前方实时车距进行测量,并通过与汽车电子控制单元之间的数据交换对车辆制动进行辅助控制;实验结果表明:在实测距离和系统介入距离均在70 m以内时,算法相对误差平均在2%左右,车辆停止地点距障碍物在4.5 m左右,说明系统满足车辆智能化辅助制动的实时性要求。     

基于嵌入式GPU的红外弱小目标检测算法

红外弱小目标的目标像素少,目标对比度低,成像帧率高,图像数据量大,检测实时性强。针对红外弱小目标检测算法适合于GPU并行计算的特点,对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在检测算法设计、内存访问、调试优化3个方面进行了优化设计。实验结果表明,对640×480像素分辨率的红外视频,并行优化后的目标检测算法能够在10 ms内完成计算,满足实时处理需求。     

众核处理架构在水下航行器相位编码脉冲回波检测中的应用

针对宽带编码脉冲、多输入多输出等新型目标探测体制发展带来的运算量和数据存储需求剧增的问题,根据水下航行器相位编码脉冲回波检测算法的数据级并行特点,提出应用图形处理器(Graphics Processing Unit,GPU)众核处理架构,并从任务分配策略、数据处理流程、GPU硬件资源利用率和存储器访问等角度考虑,设计了算法在GPU上的并行实现框架。利用湖试数据测试了桌面级GPU平台、嵌入式GPU平台与基于多核数字信号处理器(Digital Signal Processor,DSP)的传统航行器信号处理平台的性能,与多核DSP平台相比,嵌入式GPU平台在功耗、运算性能等方面更有优势。研究结果表明采用嵌入式GPU平台可大幅提升每瓦特性能指标并简化系统设计,能满足新型航行器探测系统大数据量、低功耗和实时性的应用需求。      

基于GPU的高性能并行计算技术

针对NVIDIA CUDA(Compute Unified Device Architecture)架构的第三代GPU高性能计算技术开展了研究,利用具有448个处理核心的NVIDIA GPU GTX470实现了脉冲压缩雷达的基本数据处理算法,包括脉冲压缩算法与相参积累算法。根据GPU的并行处理架构,将脉冲压缩、相参积累完成了并行算法优化设计,有效的将算法映射到GPU GTX470的448个处理核心中,完成了脉冲压缩雷达基本处理算法的GPU并行处理实现,并针对处理结果效果与实时性进行了评估。     

Improved Q-Learning Algorithm Based on Approximate State Matching in Agricultural Plant Protection Environment

An Unmanned Aerial Vehicle (UAV) can greatly reduce manpower in the agricultural plant protection such as watering, sowing, and pesticide spraying. It is essential to develop a Decision-making Support System (DSS) for UAVs to help them choose the correct action in states according to the policy. In an unknown environment, the method of formulating rules for UAVs to help them choose actions is not applicable, and it is a feasible solution to obtain the optimal policy through reinforcement learning. However, experiments show that the existing reinforcement learning algorithms cannot get the optimal policy for a UAV in the agricultural plant protection environment. In this work we propose an improved Q-learning algorithm based on similar state matching, and we prove theoretically that there has a greater probability for UAV choosing the optimal action according to the policy learned by the algorithm we proposed than the classic Q-learning algorithm in the agricultural plant protection environment. This proposed algorithm is implemented and tested on datasets that are evenly distributed based on real UAV parameters and real farm information. The performance evaluation of the algorithm is discussed in detail. Experimental results show that the algorithm we proposed can efficiently learn the optimal policy for UAVs in the agricultural plant protection environment.     

无人机侦察多目标实时定位技术研究

目标定位是无人机侦察系统中至关重要一步。为增强无人机侦察目标定位的实时性、提高定位精度及侦察效率,提出一种多目标实时定位的方法,建立主次目标定位几何关系及坐标转换模型,结合已知数据信息求取各目标大地坐标,并用蒙特卡洛法分析目标定位误差。最后,基于即将组网成功"北斗二代"卫星导航系统对无人机空中定位,同时采用递归最小二乘算法滤波处理,提高了目标定位精度。研究及实验结果表明,北斗导航定位能够有效提高无人机空中定位精度,且有望达到厘米级精度,同时采用RLS滤波处理能使目标定位精度提高10 m左右。该方法能够有效增强无人机定位实时性,提高定位精度及侦察效率。     

新型机器人红外传感皮肤信号处理方法的研究

机器人红外传感皮肤是一种新型的外部感知系统,它具有信息量大,实时性好,与环境无接触测量的特点,被广泛应用在多关节机器人实时避障系统中。但是皮肤上的微型红外传感器输出易受到可见光、工频电源、日光灯等噪声干扰,传统的模拟电路很难满足系统实时性和准确性的要求。为了提高系统的性能,给出了一种基于数字信号处理(DSP)的全数字信号处理技术,采用快速傅里叶变换(FFT)对传感器信号进行处理。分析了快速傅里叶变换误差产生原因,提出加汉宁(Hanning)窗进行误差补偿。仿真和实验结果表明,该技术能有效地减少噪声对系统的影响,使红外传感皮肤能够准确实时地给出周围环境信息。     

基于OpenCL与FPGA异构模式的Sobel算法研究

随着计算机科学技术的迅速发展,嵌入式领域实时图像处理应用越来越广泛,然而传统硬件因为自身架构导致并行化程度不高,针对在视频监控、机器视觉、视频压缩、医疗影像分析等领域需要对图像进行高性能计算的问题,提出一种以OpenCL软件模型和FPGA异构模式的高性能图像处理解决方案,实现了图像显示和OpenCL加速功能,以Sobel边缘检测算法为研究对象,进行了算法并行性分析,并在系统中运用OpenCL加速内核算法,与基本的ARM平台和OpenCL共享内存加速机制相比较,展开性能测试,对加速效果进行了研究。实验数据表明,使用该系统处理不同分辨率的图像,OpenCL加速子系统的处理较基于片上ARM硬核的软件处理,实现相同功能上有100倍左右的性能提升。     

基于嵌入式GPU的运动目标分割算法并行优化

在光电监视系统中,广泛应用于运动目标分割的PBAS(pixel base adaptive segmenter)算法计算复杂、参数量大,难以达到实时分割的要求。针对PBAS算法是对图像中每个像素点进行独立处理,特别适合于GPU并行加速的特点,对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在数据存储结构、共享内存使用、随机数产生机制3个方面对该算法进行了优化设计。实验结果表明,对于480×320像素分辨率的中波红外视频序列,该并行优化方法可以达到132 fps的处理速度,满足了实时处理的要求。